融合自注意力机制和BiGRU网络的微博情感分析模型

来源 :小型微型计算机系统 | 被引量 : 0次 | 上传用户:yfyzp
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
基于微博文本的情感分析已经成为近些年的研究热点.为了更有效分析微博文本的情感极性,实现将表情符的情感表现加入到文本分类的任务中,提出了一种将深度学习与情感符号相结合的学习方法.该方法利用双向门控循环(BiGRU)神经网络对文本进行特征提取,然后利用自注意力机制对文本和表情符号的向量表示进行特征提取,最后通过softmax识别出最终的情感极性.本文采集了三种微博语料集,实验结果表明,与融合表情符的自注意力机制和BiLSTM模型和与仅输入纯文本的自注意力机制和BiGRU模型相比,融合表情符号的自注意力机制和BiGRU网络模型有效地提高了情感分类的准确率.
其他文献
传统的协同过滤算法面对稀疏数据时计算相似度精确度偏低,导致评分预测结果计算不准确,推荐效果也随之下降.针对传统协同过滤算法的不足之处,提出了一种结合用户兴趣和改进的